🐚作者简介：苏凉（在python路上）
🐳博客主页：苏凉.py的博客
👑名言警句：海阔凭鱼跃，天高任鸟飞。
📰要是觉得博主文章写的不错的话，还望大家三连支持一下呀！！！
👉关注✨点赞👍收藏📂
🌸前言
上期我们学习了numpy的基本使用，我们可以清楚的了解到numpy对于处理数值型数据非常乐观，那么在处理字符串类型的数据时，pandas将是最好的选择！接下来我们就一起进入pandas的学习吧！！
往期回顾：
python数据分析基础001 -matplotlib的基础绘图
python数据分析基础002 -使用matplotlib绘图（散点图，条形图，直方图）
python数据分析基础003 -numpy的使用（详解)
python数据分析基础004 -numpy读取数据以及切片，索引的使用
🌔（一）pandas基础介绍
🍸1.什么是pandas
Pandas 这个名字来源于面板数据（Panel Data）与数据分析（data analysis）这两个名词的组合。Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来，享有数据分析“三剑客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。
🍹2.为什么要学习pandas
numpy能够帮我们处理处理数值型数据，但是这还不够。
很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等
比如:我们通过爬虫获取到了存储在数据库中的数据等等。
因此，numpy能够帮助我们处理数值，但是pandas除了处理数值之外（基于numpy），还能够帮助我们处理其他类型的数据。
🍻3.pandas的安装
pip install pandas -i https://pypi.douban.com/simple
🥂4.导入pandas库
import pandas as pd 🌖（二）pandas的常用数据类型
🥥1.Series（一维，带标签数组）
import pandas as pd a = pd.Series([1,5,4,85,87,512]) print(a,type(a)) 结果：
从上述结果中我们可以看到Series创建的对象带有索引。
🍇1.1 创建索引
pd.Series([],index=list(string))
b = pd.Series([1,5,4,2,45,45,24,5],index=list('abcdefgh')) print(b) 结果：
🍈1.2 通过字典创建Series
通过字典也可以创建Series对象，此时字典的键为索引。
import pandas as pd dic = {
'name':'苏凉.py', 'age':'22', '_num':'', } information = pd.Series(dic) print(information) 结果：
🍉1.3 Series的切片和索引
Series对象本质上由两个数组构成,一个数组构成对象的键(index，索引)，一个数组构成对象的值(values)，键->值
🍊1.3.1 显示某个值
import pandas as pd dic = {
'name':'苏凉.py', 'age':'22', '_num':'', } information = pd.Series(dic) print(information) print('-'*100) print(information[0]) 结果：
🍍1.3.2 显示多个不连续的值
print(information[[0,2,3]]) 结果：
🍎1.3.3 显示多个连续的值
print(information[0:3]) 结果：
🍏1.3.4 通过索引查找值
print(information[['name','age','wechat']]) 结果：
🍐1.4 Series的索引和值属性
对于一个陌生的Series类型，我们可以通过index和values来了解它的索引和值。
🍑1.4.1 Series的索引（index）
print(information.index) 结果：
🍒1.4.2 索引遍历
a = information.index for i in a: print(i) 结果：
🥕1.4.3 Series的值（values）
print(information.values) 结果：
🌰2.DataFrame（二维，Series容器）
import pandas as pd import numpy as np a = pd.DataFrame(np.arange(1,13).reshape(3,4)) print(a) 结果：
这里可以看到用DataFrame创建数组时存在行索引和列索引。
行索引：表明不同行，横向索引，叫index，0轴，axis=0.
列索引：表明不同列，纵向索引，叫columns，1轴，axis=1.
💐2.1 创建索引
pd.DataFrame([]),index=list(),columns=list()
a = pd.DataFrame(np.arange(1,13).reshape(3,4),index=list('123'),columns=list('ABCD')) 结果：
🌸2.2 通过字典创建DataFrame
方法一：
import pandas as pd list = {
'name':['苏凉.py','佚名'], 'age':['22','15'], '_num':['','0'], 'wechat':['lxzy','ym'] } person = pd.DataFrame(list) print(person) 结果：
方法二：
import pandas as pd list2 = [ {
'name':'苏凉.py','age':'22','_num':'','wechat':'lxzy'}, {
'name':'佚名','_num':'0','wechat':'ym'} ] person = pd.DataFrame(list2) print(person) 结果：
这里可以看到当我们对应的位置没有输入值时结果NaN
🌺2.3 DataFrame的索引和切片
注：在dataframe中进行取行或者取列操作时，[]中为数字则取行，[]中为字符串则取列！！
🌻2.3.1 取前几行
print(person[:2]) 结果：
🌼2.3.2 取某列
print(person['name']) 结果：
🌷2.3.3 取多列
print(person[['name','wechat']]) 结果：
🥀2.4 利用DataFrame的loc和iloc方法取值
☘2.4.1 利用loc获取值
loc时通过标签索引来获取值
🌱2.4.1.1 取某行
print(person.loc[1,:]) 结果：
🌲2.4.1.2 取多行
print(person.loc[[0,1]]) 结果：
🌳2.4.1.3 取某列
print(person.loc[:,'name']) 结果：
🌴2.4.1.3 取多列
print(person.loc[:,['name','wechat']]) 结果：
🌵2.4.1.3 取某行某列
print(person.loc[0,'wechat']) 结果：
🌾2.4.1.4 取多行多列
print(person.loc[0:1,['name','_num']]) 结果：
🌿2.4.2 利用iloc来获取值
iloc是通过位置来获取值
下面列举四个例子即可：
🍀2.4.2.1 获取行
print(person.iloc[0,]) 结果：
🍁2.4.2.2 获取列
print(person.iloc[:,2]) 结果：
🍂2.4.2.3 获取某行某列
print(person.iloc[0,3]) 结果：
🍃2.4.2.4 获取多行多列
print(person.iloc[[0,1],[0,2,3]]) 结果：
💡结语
到此这篇python数据分析基础005 -pandas详解_pandas入门这一篇就足够了_pandas数据分析实战的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！今天的内容到这里就结束啦，觉得写的不错的话给个三连支持一下吧！！文章有不足之处还望指出，一起加油进步啊！希望看到此文的小伙伴都有所收获！关注我，咱们下期再见！！
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/kjbd-fxjc/5430.html